أطلقت منصة قاعدة بيانات المستندات مفتوحة المصدر RavenDB ما تسميه “أول منشئ وكيل ذكاء اصطناعي أصلي لقاعدة بيانات متكاملة تمامًا”، وهي أداة تسهل على المؤسسات إنشاء ونشر وكلاء الذكاء الاصطناعي.
تعالج المنصة مشكلة شائعة في الذكاء الاصطناعي للمؤسسات – وهي صعوبة ربط النماذج بأنظمة البيانات الخاصة بالشركة وسير العمل بشكل آمن وفعال من حيث التكلفة.
جعل الذكاء الاصطناعي عمليًا، وليس قويًا فقط
تريد الشركة أن تجعل نشر الذكاء الاصطناعي أسرع وأكثر أمانًا. قال أورين عيني، الرئيس التنفيذي ومؤسس RavenDB، إن الهدف هو جعل الذكاء الاصطناعي يقدم قيمة حقيقية من خلال تضمينه مباشرة حيث توجد بيانات الشركة بالفعل. وأوضح أن العديد من المنظمات تعاني لأن بياناتها متناثرة في أنظمة وتنسيقات متعددة، مما يجعل التكامل مكلفًا ومعقدًا.
وقال: “إن أكبر مشكلة يواجهها المستخدمون في بناء حلول الذكاء الاصطناعي هي أن النموذج العام لا يفعل في الواقع أي شيء ذي قيمة”. “لكي يجلب الذكاء الاصطناعي قيمة حقيقية إلى نظامك، فإنك تحتاج إلى دمج أنظمتك وبياناتك وعملياتك.”
يعمل AI Agent Creator الجديد من RavenDB على التخلص من الكثير من الأعباء العامة من خلال السماح للشركات بعرض البيانات ذات الصلة لنموذج مباشرة في قاعدة البيانات – بدون مخازن متجهة منفصلة أو سير عمل ETL. يقوم النظام بإدارة التحديات التقنية تلقائيًا، مثل التعامل مع ذاكرة النموذج والتلخيص وأمن البيانات.
ووفقاً لإيني، فإن هذا يعني أن الشركات “يمكنها الانتقال من فكرة إلى وكيل منتشر في يوم أو يومين”.
الوصول المباشر إلى البيانات والإجابات في الوقت الحقيقي
عادةً ما تتضمن مسارات عمل الذكاء الاصطناعي التقليدية تصدير البيانات من قاعدة بيانات إلى مخزن متجه، ثم ربط هذا المتجر بنموذج الذكاء الاصطناعي، مما يؤدي إلى حدوث تأخيرات وفجوات أمنية. يستخدم نهج RavenDB فهرسة المتجهات المضمنة والبحث الدلالي لإتاحة المعلومات على الفور لعملاء الذكاء الاصطناعي داخل قاعدة البيانات نفسها.
يدعم هذا التصميم الاستجابة في الوقت الفعلي، مما يسمح لوكيل الذكاء الاصطناعي بالوصول إلى المعلومات المحدثة حديثًا على الفور: على سبيل المثال، التحقق من أحدث طلب للعميل أو حالة الشحن دون انتظار تحديث البيانات.
وفيما يتعلق بمسألة الأمن، قال عيني: “لن يتم إعدام عميل الذكاء الاصطناعي كجزء مميز من النظام”. “إنه يعمل ككيان خارجي يتمتع بنفس حقوق الوصول التي يتمتع بها المستخدم الذي يقوم بتشغيله.”
حالات الاستخدام ورؤية الصناعة
أشار Eini إلى أن RavenDB قام بالفعل بتطبيق AI Agent Creator في بيئات العملاء الحقيقية. في أحد الأمثلة، يتم استخدام النظام لتصنيف المرشحين في التوظيف، وقراءة ومقارنة السير الذاتية التي تم تحميلها تلقائيًا مع متطلبات الوظيفة لتحديد المتقدمين الواعدين. في مثال آخر، أوضح Eini كيف يتم استخدام AI Agent Creator لإعادة ترتيب نتائج البحث الدلالي لإخراج صلة دقيقة بدلاً من مجرد العثور على أقرب تطابقات متجهة.
يرى محللو الصناعة أن هذا النوع من التكامل هو جزء من تحول أكبر نحو الذكاء الاصطناعي المضمن والمخصص للمجال. في تقرير حديث لشركة Forrester، كتبت ستيفاني ليو، كبيرة المحللين: “يتطلع عملاء الذكاء الاصطناعي إلى الاستقلالية، لكن التوثيق الضعيف يعني أنهم قد لا يصلون إلى هذه العتبة”.
وقالت إنه على الرغم من أن الاستقلالية الكاملة لا تزال تمثل تحديًا، إلا أن الروابط الأكثر إحكامًا بين أنظمة الذكاء الاصطناعي وبيانات المؤسسة الحية يمكن أن “توفر قيمة فورية وعملية” للمؤسسات التي تجرب الذكاء الاصطناعي الوكيل.
سياق أوسع
يمكن أن يمثل الذكاء الاصطناعي المعتمد على قواعد البيانات تحولاً كبيرًا في كيفية استخدام الشركات للذكاء الآلي في عملياتها. ومن خلال الحفاظ على حواجز الحوسبة والأمن داخل قاعدة البيانات، يمكن لمنصات مثل RavenDB تقليل الحاجة إلى طبقات بنية تحتية إضافية – وهو التحدي الذي تواجهه العديد من الشركات أثناء توسيع نطاق برامج الذكاء الاصطناعي الخاصة بها.
قامت AI News مؤخرًا بتغطية مشروع Gemini Enterprise من Google، والذي يهدف إلى جلب وكلاء الذكاء الاصطناعي إلى سير العمل اليومي للأعمال، وفحصت كيفية قيام CrateDB بإعادة التفكير في البنية التحتية لقاعدة البيانات لأداء الذكاء الاصطناعي في الوقت الفعلي. وهذان تطوران رئيسيان يعكسان كيفية تقارب الأنظمة الوكيلة والبنى المرتكزة على البيانات لجعل الذكاء الاصطناعي المؤسسي أكثر كفاءة.
تعتمد أحدث إضافة لـ RavenDB على هذا الاتجاه، حيث تضع قواعد البيانات كمشارك نشط في خطوط أنابيب الذكاء الاصطناعي، وليس عمليات تفريغ البيانات السلبية.
نتطلع إلى الأمام
وقال عيني إن الإطلاق يعكس خارطة طريق RavenDB لجعل قدرات الذكاء الاصطناعي جزءًا أصليًا من نظامها الأساسي. على مدار العام الماضي، أضافت الشركة بحثًا متجهًا، وتوليد التضمين، وميزات الذكاء الاصطناعي التوليدية مباشرةً في محرك قاعدة البيانات.
وقال: “نحن نهدف إلى تغليف كل تعقيدات الذكاء الاصطناعي داخل RavenDB، حتى يتمكن المستخدمون من التركيز على النتائج بدلاً من الآليات”.
مع استمرار المؤسسات في البحث عن طرق موثوقة وفعالة من حيث التكلفة لاعتماد الذكاء الاصطناعي، قد توفر أدوات قاعدة البيانات الأصلية مثل AI Agent Creator من RavenDB مسارًا عمليًا للمضي قدمًا، من خلال دمج البيانات التشغيلية والذكاء في بيئة واحدة.
مصدر الصورة: Unslpash